草鱼呼肠孤病毒（Grass carp reovirus， GCRV）对全球草鱼养殖业构成严重威胁，造成重大年度经济损失。通过选育获得抗GCRV品系是一项根本且可持续的防控策略。本研究首次系统估算了草鱼对GCRV抗性的遗传参数，利用了一个具有良好系谱记录和选择历史的高质量家系群体。抗性性状被定义为挑战试验中的死亡天数（Day of death， DD）、二元试验存活（Binary test survival， BTS）和二元试验日存活（Binary test-day survival， BTDS）。采用五种统计模型估计了方差分量。遗传力（heritability）估计值范围较低至中等，从0.06 ± 0.02到0.32 ± 0.11。基于累积线性模型（CLM）、累积阈值模型（CTM）、时间依赖阈值模型（TSDM）和线性可重复模型（LRM）估计的育种值（Estimated Breeding Values， EBVs）在各模型间表现出高度相关性，表明家系排序几乎相同。然而，线性模型（LM）估计的EBVs与其他四个模型的相关性显著较低，表明家系排序发生了实质性改变。低至中等的遗传力估计表明，系统的遗传选择计划有望提高草鱼对GCRV的抗性。
**研究背景与意义**
草鱼（*Ctenopharyngodon idella*）是一种重要的大型草食性淡水鱼类，具有生长快、分布广、产量高等特点，经济价值显著。它是中国最重要的淡水经济鱼类之一，在水产养殖业中占据重要地位。2024年，中国草鱼全国产量接近616.4万吨，占全国淡水养殖总产量的17.42%，较2023年增长3.76%，超过了淡水养殖总产量的增长率。草鱼性成熟期较长，通常需要4-5年才能达到性成熟，且初次性成熟个体的卵质欠佳，导致养殖周期延长。然而，随着经济的持续发展和养殖密度的逐步增加，草鱼呼肠孤病毒（GCRV）已成为威胁草鱼种群和水产养殖业的严重问题，每年造成巨大的经济损失。由该病毒引起的草鱼出血病具有高度传染性和致命性，在鱼苗阶段死亡率可超过90%。
目前，草鱼出血病的控制主要依赖于水质管理、抗生素和预防性药物。然而，水质管理不善以及抗生素等药物的使用导致了环境污染、药物残留和微生物耐药性，进而可能引发食品安全问题。接种疫苗已被证明是水产养殖中控制疾病的有效工具，可提供针对病原体预防的靶向方法。然而，针对GCRV等病原体疫苗的开发和应用可能耗时、费力且成本高昂，其效力可能因不同的养殖条件或不同的病毒株而异。这些实际挑战限制了其经济效益，并阻碍了在部分生产场景中的广泛采用。
一个更根本且互补的方法是通过选择性育种培育抗GCRV的草鱼。这种遗传改良策略旨在增强鱼类种群对病毒的先天抵抗力，提供一种累积且永久的解决方案，可与其他疾病管理措施协同作用，减轻GCRV的影响。
选择性育种为提高水生物种遗传品质提供了实用手段。这一过程的关键步骤是评估遗传力（heritability），即特定育种群体中某性状的加性遗传方差占总表型方差的比例。这个关键遗传参数反映了性状传递给后代的能力。疾病抗性性状的遗传参数估算已在多种鱼类中成功进行，包括团头鲂（*Megalobrama amblycephala*）、虹鳟（*Oncorhynchus mykiss*）、鲤（*Cyprinus carpio*）、巨骨舌鱼（*Colossoma macropomum*）、半滑舌鳎（*Cynoglossus semilaevis*）、罗非鱼（*Oreochromus niloticus*）、大菱鲆（*Scophthalmus maximus*）和大西洋鲑（*Salmo salar*），证实了其有效性。在水产养殖育种计划中，疾病抗性通常通过特定病原体对测试对象进行人工攻毒（如腹腔注射、口服或浸泡）来评估。收集疾病抗性的表型数据比测量体重等数量性状更为复杂，因此选择合适的性状定义和相应的统计模型尤为重要。本研究采用三种性状定义：二元试验存活（BTS）、二元试验日存活（BTDS）和死亡天数（DD）。BTS可通过线性或阈值方法有效评估，BTDS分析由于其对极端值问题的稳健性而倾向于使用线性可重复模型，DD与死亡时间相关，因此应使用线性模型进行分析。虽然由GCRV引起的草鱼出血病是对草鱼最严重的威胁之一，但关于抵抗该病的定量遗传学研究仍然很少。因此，本研究旨在通过拟合不同统计模型来估计草鱼对GCRV抗性的遗传参数。这些发现将为模型选择提供基础数据和指导，从而协助设计和优化以增强草鱼GCRV抗性为主要目标的育种计划。
**主要技术方法**
本研究使用了来自江苏省草鱼遗传育种中心的实验草鱼个体。该实验室自2004年起启动了针对该物种遗传改良的长期研究计划。通过从长江野生种群中选择210个性别平衡的个体（雌雄各105尾），建立了选育基础群体。过去二十年来，采用了整合家系选择和标记辅助选择（Marker-Assisted Selection， MAS）的育种策略，分别于2005、2009、2013和2017年培育了F1、F2、F3和F4代后代，重点关注生长性状。该选育计划显著提升了草鱼的生长性能。本研究利用了该计划中经过多代生长性状系统选育、遗传背景清晰、育种体系成熟的“沪苏1号”（Husu No. 1）品系，其高质量的系谱和均一的育种背景为首次准确估算GCRV疾病抗性新性状的遗传参数提供了理想可靠的实验平台。选择了51对F4代亲本进行人工繁殖。采用“混合交配设计”，所有亲本被放置在同一个繁殖池中自然交配。利用实验室先前开发的八对微卫星标记进行亲本鉴定。使用重构的系谱关系估计了后代疾病抗性性状的遗传参数。
**研究结果**
（1）亲本鉴定与家系重建：使用八对微卫星标记对44尾草鱼亲本和876尾子代进行了基因分型和亲缘关系测定。所有位点的多态性信息含量（PIC）均≥0.50，显示出高多态性。亲缘关系分析成功将全部876尾子代匹配到其各自的亲本，分配率达到100%。这些子代个体来自17尾父本和27尾母本，形成了288个全同胞家系，每个家系的后代数量范围为1至12尾。
（2）遗传力估算：使用五种不同的统计模型和三种性状定义估算了GCRV抗性的遗传力。所有模型得出的遗传力估计值均显著异于零（P < 0.01）。GCRV抗性的遗传力估计值在不同性状定义和模型间略有差异。线性模型（LM）估算的遗传力为低遗传力（0.10 ± 0.04）。对于BTS性状，在攻毒试验第7天，遗传力为中等（0.21-0.32），但在第13天降至低水平：CLM模型为0.03 ± 0.03，CTM模型为0.14 ± 0.12，TSDM模型为0.12 ± 0.08。对于LRM模型，在第7天和第13天的遗传力评估均维持在低水平，分别为0.06 ± 0.02和0.03 ± 0.02。在CLM、CTM、TSDM和LRM模型中，遗传力估计值在试验天数上表现出相似的动态变化，在第7天（此时累积死亡率为57.5%）达到共同峰值，此后普遍下降。被认为最可靠的遗传参数评估时间点是线性模型在第16天的估计以及其他四个模型在第7天的估计。
（3）模型比较与准确性：通过交叉验证评估了模型性能。CLM、CTM、TSDM、LM和LRM模型的预测值与验证集的平均Pearson相关性（预测准确性）分别为0.303 ± 0.009、0.302 ± 0.009、0.301 ± 0.009、0.180 ± 0.010和0.161 ± 0.007。估计育种值（EBV）的准确性（由公式r(α,α̂)=r(y,ŷ)/h²计算）从高到低依次为CLM（0.662）、LRM（0.657）、CTM（0.593）、LM（0.573）和TSDM（0.533）。CLM、CTM、TSDM和LRM模型估计的全同胞家系EBVs之间表现出高度相关性，表明家系排序几乎相同。最强相关性出现在CTM和TSDM之间，最弱出现在TSDM和LRM之间。相反，LM与其他模型的相关性明显较低，表明家系排序发生了显著变化。
**讨论与结论**
讨论部分首先分析了亲本鉴定、性状定义、模型选择以及实际死亡率与预期偏差的原因。研究指出，利用高均质性的实验群体成功缓解了关键非遗传因素对表型性状的混杂干扰。尽管实际死亡率（91.7%）远高于预估的半数致死剂量（LD50，约50-60%），但高死亡率有利于遗传分析，因为它最大化了抗性与易感个体之间的表型对比，减少了删失数据，并且研究已表明在累积死亡率接近高水平时，疾病抗性的遗传力估计通常更稳健。
讨论部分还比较了不同模型的遗传力估计和育种值预测准确性。结果表明，在基础尺度（logit函数模型）上，遗传力估计值系统性高于观测尺度上的CLM模型。LRM模型将挑战期划分为连续的日间隔，将生存记录为每日的二元结果，这种方法将单一生存事件的信息分散到多个观测值中，可能降低了每个记录的有效信息量。总体而言，CLM、CTM和TSDM模型估计的遗传力通常高于LM和LRM模型的估计值。交叉验证结果显示，所有模型的预测准确性都略低于其他研究报道的值，这可能归因于每个家系的样本量较小（≤12尾）。对于BTS，CLM模型的准确性显著高于CTM和TSDM模型。总体而言，使用CLM和LRM模型的预测准确性相似，并且显著高于其他三个模型。这表明适当的选择模型可以显著提高GCRV抗性性状育种值预测的精确度。
最后，研究结论部分总结指出，本研究证明了草鱼对GCRV的抗性存在显著的加性遗传变异，表明具有遗传改良的潜力。使用五种不同统计模型和三种不同定义估算的GCRV抗性遗传力范围为低到中等。对于攻毒试验数据的遗传分析，应用于存活率的纵向线性可重复模型（LRM）表现出优越的预测性能，因此被推荐为首选方法。作为一种可行的替代方案，分析者可考虑使用将死亡时间视为连续变量的线性模型（LM）。此外，研究结果表明，实现高累积死亡率的攻毒试验对此类遗传评估会产生更稳健的参数估计。
